随着科技与技术的进步,汽车已经成为了人们工作生活中不可或缺的“日常用品”,2021年,我国的汽车保有量更将跃居世界第一,而每年由于交通事故造成的人员和财产损失更是急速增加。在此背景下,对于配备了高级驾驶辅助系统(AdvancedDrivingAssistanceSystem,ADAS)的车辆,市场需求量也在逐年上升。而毫米波(Millimeterwave,MMW)雷达是ADAS系统和自动驾驶实现的关键技术,与其他传感器,如摄像头、红外探测和激光雷达相比,毫米波雷达具有抗恶劣天气和有限光照条件等低能见度环境情况的强大性能。论文针对汽车MIMO(MultipleInputMultipleOutput)毫米波雷达的技术应用展开研究,探讨解决提升毫米波雷达角度测量性能的方法。针对如何提高雷达角度测量的精度与分辨率的问题,本文主要通过阵列设计优化以及对信号处理阶段的超分辨算法进行对比分析加以研究探讨。论文首先通过对雷达工作原理的探讨,引出MIMO体制下虚拟阵列与孔径扩展对于雷达测角性能起到的关键性作用,结合冗余度与非均匀线阵的概念,对MIMO雷达收发阵列进行优化。算法采用联合优化的方式,在给定孔径以及给定阵元个数的前提下,进行最小冗余MIMO线阵的求解,并通过测角结果和自适应干扰抑制的仿真结果,验证了阵列的优化效果。针对算法搜索只能采用穷举法的问题,本文采用优化的便捷算法流程,并通过Matlab仿真验证了该算法的正确性。在目标跟踪确认后,DOA(Direction-Of-Arrival)估计算法能进一步提高雷达的工作性能。本文介绍了多种目标角度测量的经典算法,针对其算法原理、适用条件以及测角性能进行了实验验证,并对各算法进行了仿真对比、对其测角效果进行了分析。FMCW(frequencymodulatedcontinuouswave)雷达是汽车毫米波雷达实用领域的重要组成部分,文章通过分析其在角度测量时遇到的由于阵列扩展而导致的虚假目标产生的问题,首先提出了一种虚假目标剔除算法,并通过仿真验证了其有效性,然后针对传统测角算法分辨率不足的问题,提出了一种基于目标与雷达相对运动的超分辨DOA算法,证明其仅在四根接收天线的条件下可以达到0.2°的高分辨率,最后通过实地场景测量,验证了算法的有效性。